训练模型时梯度出现NAN或者INF（禁用amp的不同level）

判断参数梯度位nan或inf的代码：

for name, param in model.named_parameters():if param.grad is not None:if torch.isnan(param.grad).any() or torch.isinf(param.grad).any():print(f"grad layer [{name}] is  NaN or Inf")

首先来说可能得原因：

1. 模型中存在未初始化或未更新的参数（层）

2. 除以0或者log引起

3.输入数据存在你nan或者inf

4. 学习率过大造成梯度不稳定

5.数据类型问题

这里着重讲下第5点。

我的错误是前1-2个epoch的grad norm出现 nan, 后面又稳定了，偶尔又会出现inf，有点随机。

可参考类似的情况和回答：

After several iterations gradient norm and loss becomes nan · Issue #287 · microsoft/Swin-Transformer · GitHub

Got a nan loss and gradient norm when training swin-l on imagenet22k with O1 · Issue #82 · microsoft/Swin-Transformer · GitHub

因为debug了发现都不是1,2,3,4的问题所以最后调试问题出在数据类型上。

PyTorch 的 AMP（自动混合精度） 默认支持动态切换精度。它会在前向和后向传播中自动判断是否切换为 float16 精度，以节省显存并加速计算。在使用 AMP 时，通常采用以下几种机制来选择精度：

1. 按操作动态调整精度：AMP 会根据具体操作的数值稳定性来选择 float32 或 float16，对于稳定性较好的操作（如矩阵乘法）使用 float16，对精度要求较高的操作（如归一化）则保留 float32。

2. GradScaler 动态调整梯度缩放：AMP 默认使用 GradScaler 对梯度进行缩放，以避免因 float16 造成的数值下溢（过小梯度被舍去）。

这种自动化过程旨在最大程度保持数值稳定性，并降低显存需求。只需使用 torch.cuda.amp.autocast 上下文管理器和 GradScaler，AMP 就能完成动态精度切换

回到我的错误中来，若主函数里面有两个参数：

parser.add_argument('--disable_amp', action='store_true', help='Disable pytorch amp')
parser.add_argument('--amp-opt-level', type=str, choices=['O0', 'O1', 'O2'],help='mixed precision opt level, if O0, no amp is used (deprecated!)')

解决方案

1. 禁用自动混合精度（AMP）： 如果你不依赖于 bfloat16 的性能优化，可以选择禁用 AMP。你可以在你的主函数中设置 --disable_amp 参数，或者在代码中直接注释掉与 GradScaler 和 autocast 相关的代码。这将避免因 bfloat16 引起的问题。

. --disable_amp

• 类型: 布尔型（action='store_true'）
• 功能: 如果指定了这个参数，将会禁用 PyTorch 的自动混合精度功能。在训练过程中，这意味着模型将会使用全精度（通常是 float32）进行计算，而不使用混合精度。
• 适用场景: 在调试或遇到精度问题时，可以选择禁用 AMP。

2. 使用 bfloat16： 

需要设置这3处

[1]
model =  model.to(torch.bfloat16)[2]
samples = samples.to(torch.bfloat16)  
targets = targets.to(torch.bfloat16)[3]
with torch.cuda.amp.autocast(dtype=torch.bfloat16): outputs = model(samples)

在 PyTorch 中，使用 torch.bfloat16 时，可能会遇到与 torch.cuda.amp（自动混合精度）相关的问题，特别是关于梯度不稳定性和 unscale 操作的支持。

3. --amp-opt-level（推荐使用）：参数用于指定自动混合精度（AMP）的优化级别。而不是

主要有以下几种可选的优化级别：

1. O0:

   • 含义: 不使用混合精度，所有计算都在全精度（float32）下进行。
   • 适用场景: 当模型需要最高的数值精度或在调试时。

2. O1:

   • 含义: 使用混合精度，但在关键操作中保持全精度（例如，反向传播）。大多数操作在 float16 下进行，只有在必要时（例如，loss 计算）切换回 float32。
   • 适用场景: 在保证较高性能的同时，尽量减少数值不稳定性，适合大多数场景。

3. O2:

   • 含义: 尽可能多地使用 float16，仅在少数操作中使用 float32。几乎所有的计算都是在 float16 下进行，可能会导致数值稳定性的问题。
   • 适用场景: 性能优先的情况下使用，但需确保模型能够在 float16 下稳定运行。

4. O3:

   • 含义: 强制所有操作都使用 float16，可能会导致更高的计算性能，但也可能引入更多的数值不稳定性。
   • 适用场景: 仅适用于对性能要求极高且能够处理数值不稳定性的模型。

选择建议

• O1: 通常是最推荐的选项，适合大多数任务。
• O0: 如果遇到数值不稳定性或调试问题，可以选择。
• O2 和 O3: 适合在确保模型稳定性的前提下追求性能的高级用户。